基于概率时间自动机的异构多agent自适应运行时验证

多agent自适应系统在运行过程中需要根据环境进行自适应调整。异构agent能够提高agent的使用效率和降低系统的构建成本,但存在复杂的协作问题,因此提出一种基于概率时间自动机的异构多agent自适应系统运行时验证方法。该方法通过形式化描述异构agent的功能特征并融合环境中的随机因素构建概率时间自动机模型模拟自适应系统的运行过程,针对异构agent之间的协作逻辑制定安全约束条件以确保系统运行中状态迁移流程的安全性。通过模型检查结合运行时定量验证方法进行实验验证,在智能泊车系统案例中应用该方法。实验结果表明,agent之间协作逻辑的正确性可以有效保证系统运行时的稳定性,且相较于不使用运行时定量验证的初始系统在相同时间内正常运行的时间提升了21%左右。

基于元胞自动机的出口吸引概率及弹性参数的密集人群疏散模型

为了描述行人在多属性参数下的疏散行为,结合元胞自动机和弹性参数,提出一种新的行人疏散模型.在考虑出口吸引概率的基础上,通过计算行人移动代价判定行人下一步移动目标位置.使用Python语言进行建模,并对疏散过程进行仿真分析.仿真结果表明,在影响出口吸引概率的参数中,行人到出口的距离为主要影响因素,占58.76%,而人流量为次要影响因素,占41.24%.以一般情况下的疏散效率为基准,适当增加女性占比,可使疏散效率提高6.86%.另外,增加平均体质量与拥挤度可使疏散效率分别降低4.12%和8.34%.

概率有限状态自动机的代数性质

利用矩阵、同态、同构、同余等代数工具研究概率有限状态自动机的代数性质.首先定义了输入集上两个字符串同余的概念,并利用概率转移矩阵给出2个字符串同余的一些等价刻画.进而提出概率有限状态自动机同态和同构的概念,并给出了概率有限状态自动机同态定理.证明了2个概率有限状态自动机同构的充要条件是它们的概率转移矩阵可以通过第1种行列初等变换相互转化;同时提出了2个概率有限状态自动机积与和的概念,并得到了积自动机、和自动机的同态关系.最后将模糊自动机中交换的概念引入到概率有限状态自动机中,并利用概率转移矩阵给出了此类自动机交换的一些等价刻画以及和自动机、积自动机交换的充要条件.

基于概率自动机的操作条件反射计算模型

基于概率自动机构造了反应操作条件反射行为的随机学习自动机,以模拟斯金纳(Skinner)鸽子试验.该随机学习自动机是一种能在未知的随机环境中完成自适应决策的智能单元,它与随机环境构成闭环,能在与环境的交互过程中学习选取给予奖赏的最佳动作.试验结果表明:该自动机模型体现了动物的操作条件反射行为,具有和实际类似的学习效果,对于处理先验知识缺乏或不完备的问题具有优越性.

基于元胞自动机的城市区域火蔓延概率模型探讨

考虑建筑结构物震后可能发生的次生火灾的不确定性,给出解决问题的基本思路,构建了基于元胞自动机的城市地震次生火灾蔓延概率模型,指出元胞着火的概率与建筑物的特性和灾害条件有关,包括建筑材料、外墙是否有开口、与着火元胞的距离、地震对建筑的破坏程度以及气象条件等因素。模型通过设置没有开口的外墙以及道路和空地来区分单体建筑和建筑之间的火蔓延。该模型量化了影响火蔓延概率的因素,能快速实现城市区域火蔓延过程的动态模拟,特别适宜用于城市宏观角度上的火蔓延模拟。模拟结果再现了火灾过程,这不仅提高了人们对城市区域火蔓延危害的认识,而且为城市规划设计和消防扑救措施提供了有益的理论依据。

概率有限自动机的商和同态

本文主要是通过概率有限自动机的有效划分来研究概率有限自动机的同态与商概率有限自动机的相关问题,得到了在同态或同构(弱同构)意义下概率有限自动机相互之间的关系,以及它们的商概率有限自动机的相互关系,得到了一些有意义的结果。

模型检测基于概率时间自动机的反例产生研究

模型检测基于概率系统的反例产生问题,在最近引起人们的关注.已有的工作主要围绕模型检测Markov链的反例产生而开展.基于概率时间自动机(PTA)是Markov链的不确定性和系统时钟的扩展.关注的是模型检测PTA的反例产生问题.首先通过在PTA上寻找概率之和恰好大于λ的k条最大概率的路径,并根据这些路径和原PTA构造原PTA的一个子图,从而快速找到违背性质的具有较少证据的反例.然后精化此结果——通过逐条加入上述各条最大概率的路径来精确地计算已加入路径所构成的PTA子图的最大概率.由于考虑到符号状态交集对概率系统的影响,可以得到证据更少的反例.

概率有限自动机的积和分解

给出几种概率有限自动机的积,讨论了他们之间的相互关系,并在文献[1]的基础上利用这些积给出匀概率有限自动机的分解,证明了一个匀概率有限自动机可以分解为一个随机编码源、一个伯努利过程和一些确定有限自动机的串联积。

模糊操作条件概率自动机仿生自主学习系统和机器人自平衡控制

为了实现两轮机器人的自平衡控制,利用Skinner操作条件反射机理,以概率自动机为平台,融入模糊推理,构造了模糊操作条件概率自动机(OCPA)仿生自主学习系统.该学习系统是一个从状态集合到操作行为集合的随机映射,采用操作条件反射学习机制,从操作行为集合中随机学习作为控制系统控制信号的最优行为,并利用学习到的操作行为取向值信息,调整操作条件反射学习算法.此外,学习系统还引入行为熵,以验证其自学习和自组织能力.应用于两轮机器人自平衡控制的仿真结果,验证了模糊OCPA学习系统的可行性.

关于概率自动机的等价性与极小化问题

本文给出了两概率自动机按顺序初始等价的充要条件,证明了初始等价的概率自动机的基矩阵秩必相等及判定极限极小概率自动机的一个充要条件.同时也更正了[1]中的一个错误。

基于时间短时尺度的城市快速路路段元胞自动机交通流速度变化概率分析

元胞自动机交通流运动是利用交通流基本参数来研究加速规则、减速规则、换道规则和车辆移动的变化规律,最重要的是利用车辆速度v来确定不同时间不同交通流条件下的车辆速度变化特性。结合国、内外有关元胞自动机交通流研究的经验和方法,通过分析在同一地点、时间尺度为1min的交通流在t与t+1时刻的平均速度变化关系来确定基于时间短时尺度的元胞自动机城市快速路路段交通流的速度变化概率,并总结出不同条件下的加、减、匀速概率P,为研究基于时间尺度的元胞自动机城市快速路路段交通流模型提供重要的数据分析基础。

换道概率对二维元胞自动机交通流量的影响

针对城市二维道路交通网络十字交叉路口在红绿灯控制下行驶的车道问题,提出一种四向交通道路模型,其中包括考虑加速度、换道概率参数对交通流的影响。采用元胞自动机模型(BML模型)模拟车辆运行的动态过程,给出换道概率临界点位置对车流量影响之间的关系。数值结果表明,换道概率对整个进、出口车流量产生扰动影响,换道规则符合车辆运行状态。

关于概率自动机分解的一种算法

本文就[1]中概率自动机分解问题给出一个算法,它优于[1]中的算法,更具有合理性。

多态概率元胞自动机森林火灾模型及应用

通过对概率元胞自动机模型的改进,分析了在既不能生长又不能燃烧的空地存在或森林砍伐形成的多态邻居条件下,森林中树木占有率的变化。模拟结果表明在适度留一些既不能生长又不能燃烧的空地或适度砍伐的条件下,不但不会减少森林中树木的比率反而有利于树木的生长。模拟结果与真实情况比较吻合。

概率元胞自动机的大偏差

研究了一类元胞自动机,证明了带随机扰动的元胞自动机即概率元胞自动机具有大偏差性质。

元胞自动机交通流模型中减速概率的影响

讨论了交通流的密度流量关系和交通堵塞的形成过程。在N AGE L-SCHRECKENBERG模型(以下简称N ASCH模型)的基础上,考虑到车辆在不同的密度和速度条件下具有不同的随机减速概率,将随机减速概率设定为密度和速度的函数,提出一种改进的元胞自动机交通流模型。数值模拟结果表明,改进模型的最大交通流量大于N ASCH模型,更接近于实测数据。

利用信息检索和概率有限自动机的程序理解

为提高基于信息检索的程序理解方法的准确性,提出了一种结合信息检索和概率状态机的两阶段程序理解方法.在该方法中使用概率有限自动机(probabilistic finite-state automata,PFA)解决了信息检索结果在程序理解中的不确定性,同时采用信息检索构建了多个简单的PFA,而不是单个复杂的PFA,提高了PFA分析的伸缩性.训练阶段先采用隐式语义分析对源代码进行聚类,然后在聚类结果上生成PFA.在识别阶段以词法处理后的程序作为检索项在程序模板库中进行信息检索,取检索结果中的最相关的n项作为候选模板,由候选模板对应得到相应的PFA,通过分析找到最大概率的PFA,完成对源码内容的语义标注.

代价和概率时间自动机上概率有界的成本优化可达性

着重解决代价和概率时间自动机模型的可达性问题,即满足一定概率要求的最小代价问题。在该模型中搜索满足概率要求的路径,据此路径构造相应的代价时间自动机,求解此路径的最小代价,从而求得满足概率要求的总的最小代价。另外,通过扩展代价和概率时间自动机模型,得到多代价和概率时间自动机。相应的可达性问题,即满足一定概率要求的符合辅助成本约束的主成本最小代价问题,也可类似地得到解决。

概率自动机的等价性

本文研究概率自动机初始等价和等价之间的关系,基矩阵的性质,某些等价类的结构,并得到判定极限最小自动机的一个充分条件。

关于概率自动机的分解

在[1]中给出了有穷状态概率自动机A(BA A)可以分解为随机编码源T与确定型自动机B(DA B)的顺次连结,并用例子说明了分解的算法。该结论及算法是建立在随机向量的蕴含与随机矩陈凸分解的基础上。由于BA A的转移矩阵A(y/x)一般不是随机矩阵,因而[1]中首先由A(y/x)构造出相应的随机矩阵A(x)与C(x)才能进行分解。本文是在推广了[1]中有关概念及结论的基础上给出了一个不依赖于随机矩阵的分解方法。本文所引用的符号与概念可参考[1]与[2]。